CART algoritmasının avantaj ve dezavantajları

CART analizi ağaç yapısına dayalı diğer sınıflama teknikleri ile kıyaslandığında çok sayıda avantaja sahiptir. İlki ve belki de en önemli olan özelliği parametrik olmayışıdır. Diğer bir söyleyişle ön kestirirci ve ya aynı anlama gelmek üzere bağımsız değişken değerlerine ilişkin varsayımlar gerektirmemektedir. Bu nedenle CART analizinde kullanılacak değişkenler çok çarpık sayısal değişkenler olabileceği gibi, sınıflayıcı veya sıralayıcı yapıya sahip kategorik değişkenler de olabilir. Bu önemli bir özelliktir ve analizi yapacak araştırmacıya, normallik araştırması ve dönüşüm yapma gibi işlemler gerektirmediğinden zaman kazandırmaktadır. CART analizi, ele alınan problem yüzlerce mümkün bağımsız değişken içerse bile, bölümlendirilecek tüm mümkün değişkenleri araştırma gücüne sahiptir [35].

CART analizinin avantajlarını aşağıdaki gibi özetlemek mümkündür [36].

-Regresyon ağacı yönteminde sürekli, kesikli, kategorik veya sıralı şeklinde olabilen açıklayıcı değişkenlere ait herhangi bir varsayıma gerek yoktur.

-Yöntem, başlangıçta alınan cevap değişkenlerinden modele girecek değişkenlerin seçimini adımsal değişken seçimi (stepwise variable selection) seklinde otomatik olarak yapar.

-Yöntem ile sınıflandırma ağacı için hatalı sınıflandırma oranı, regresyon ağacı için de model tarafından açıklanamayan varyans yani hata varyansı hesaplanabilmektedir.

-Standart veri yapısında, CART analizi değişkenlere uygulanan monoton transformasyondan etkilenmez.

-Yöntem parametrik olmayan istatistik yöntemler arasında yer aldığından, veri seti ile ilgili doğrusallık, normallik gibi herhangi bir varsayımı gerektirmemektedir.

-Cevap ve açıklayıcı değişkenlerin sürekli ya da kategorik olması durumunda yöntem kolaylıkla uygulanabilmektedir.

-Elde edilen sonuçlar görsel ve basit bir diyagram seklinde sunularak, sonuçların kolay anlaşılabilir ve yorumlanabilir olması sağlanmaktadır.

-Herhangi bir fonksiyonel forma gerek duymamaktadır.

-Regresyon analizinde olduğu gibi değişkenler arasındaki ilişkinin yanlış belirlenmesi olasılığını azaltmaktadır.

-Veri setindeki çoklu bağlantı sorunundan da etkilenmemektedir.

-Sonuçları görsel olarak regresyon ağacı diyagramı seklinde vermesi ile sonuçların kolay anlaşılabilir ve yorumlanabilir olmasını sağlamasıdır.

CART analizinin bu sayılan avantajları yanında bazı dezavantajları da vardır [36,34].

-Bu analizde açıklayıcı değişkenler için herhangi bir olasılık düzeyi ya da güven aralığı elde edilemez.

-Analiz değişken yapıdadır. Zira analiz aşamasında belirtilen kriterlere bağlı olarak, farklı yapıda ve farklı sayıda alt grup içeren ağaç diyagramları elde edilmektedir. Bu nedenle, CART analizi bir ön analiz gibi kullanılmakta veya başka analizlerle birlikte kullanılması tercih edilmektedir [36].

-Karar ağaçlarıyla işlem yapılması zordur [34].

-Bu algoritmada her örnek seti için bir tek karar ağacı oluşturulur bundan dolayı kök olarak seçilen karakteristik bütün kurallarda yer almaktadır ve bunun sonucu olarak birçok gereksiz kural üretilir ve üretilen kurallar çok sayıda şart ifadesi içermektedir [34].

-Herhangi bir sınıflandırma hakkında bilgi elde etmek bütün ağacın gözden geçirilmesini gerektirir. Bir problemi çözmek, karar ağacını kurallara dönüştürmekle mümkündür. Ancak ağaçlar tarafından gösterilemeyecek kurallar da vardır [34].

BÖLÜM 3. TALEP ZİNCİRİ AĞINDA MÜŞTERİ TERCİHLERİ BELİRLEME MODELİ

3.1. Giriş

Bu bölümde; yapılan literatür araştırmasına göre oluşturulan talep zinciri üzerinde müşterilerin satın alma tercihlerini ölçmeye yönelik bir model kurmak için gerekli işleyiş adımları anlatılacaktır. Bu çalışma beş aşamanın gerçekleştirilmesiyle sonuca ulaşmaktadır.

Birinci aşamada, talep zinciri ağı oluşturularak bu ağ üzerinde zincirin her halka çiftine uygun çift yönlü çalışabilen bir teklif sistemi oluşturabilmek için uygun bir müşteri tercihleri belirleme model önerilmektedir. Talep zinciri üzerinde bu modelinin çalıştırılacağı bileşenler; müşteri, firma ve tedarikçiler olarak belirlenmiştir. Bu nedenle, tasarlanan bu ağ üzerinde üretici, firma ve son müşteri arasındaki ilişki ayrıntılı olarak incelenmiştir. Bu iki bileşen arasında çıkan sonuçlar ise tedarikçiler konusunda yol gösterecektir.

Çalışmanın ikinci aşamasında, bileşen verileri elde edilmektedir. Talep zincirinin odak noktası müşterilerdir. Amacımız, üretimi müşteri isteklerine göre gerçekleştirmek olduğundan, müşteri tercih, talep ve ihtiyaçlarının belirlenebilmesi için bu konularla ilgili verilerin toplanması gereklidir. Firmaların verilerinin tedariği konusunda, istenilen verilere ulaşımın zor olması nedeniyle, bayilerden faydalanılmıştır.

Üçüncü aşamada bir önceki adımda toplanan veriler istatistiksel olarak incelenecektir. Bu değerlendirme yapılırken, istatistiksel analizler ve endüktif öğrenme yöntemlerinden biri olan CART algoritması kullanılacaktır.

Çalışmanın dördüncü ve son aşamasında sonuçları yorumlanma, çıkarım ve raporlama yapılacaktır. Bu aşamada yapılan istatistiksel analiz ve endüktif öğrenme sonucunda elde edilen kuralların sonuçları ile müşteri ve firma arasındaki ilişkiler, müşteri talepleri, ihtiyaçları ve satın alma ve hizmet kararlarıyla ilgili bilgiler verilecektir.

3.2. Model Tanımı

Talep zincirinde tedarik zincirine yenilik olarak pazarlama, satış ve hizmet fonksiyonları eklenmiştir. Çünkü müşteri isteklerinin zamanında karşılanmasına odaklanmış bir yöntemdir. Talep zinciri üzerinde tedarikçi, üretici, perakendeci ve müşteri bileşenleri bulunmaktadır. Bu bileşenler arasında bilgi, ürün ve nakit akışı bulunmaktadır. Müşteriden tedarikçilere doğru bilgi akışı, tedarikçiden müşteriye doğru ise ürün akışı vardır. Talep zincirindeki tüm kararlar çeşitli reklam ve tutundurma faaliyetleri sonucunda oluşturulan müşteri talep bilgisine göre verilmektedir. Bu çalışmada talep zincirindeki satın alma ve hizmet kararlarını verebilmek için bir müşteri tercihleri belirleme modeli geliştirilmiş ve bu modelin işleyişi incelenmiştir.

Bu çalışmanın adımlarını gösteren kavramsal model aşağıdaki gibi sunulmuştur.

Şekil 3.1. Çalışmanın kavramsal modeli

Talep zinciri ağının oluşturulması

Bileşen verilerinin toplanması

Verilerin değerlendirilmesi

Sonuçların yorumlanması ve raporlanması Satın alma

kararlarının verilmesi

Hizmet kararlarının verilmesi

Şekil 3.1’ de sunulan modele ait her bir adım aşağıdaki gibi açıklanmaktadır.

3.2.1. Talep zinciri yönetiminin oluşturulması

Talep zinciri müşteri odaklı tedarik zinciridir. Bu çalışmada, hammadde temininden ürüne kadar olan süreçte müşterinin de görüşlerini değerlendirmek ve müşteriyi sistem kararlarına dahil etmek amaçlanmıştır. Bundan dolayı çalışmanın temeli olarak talep zinciri tercih edilmiştir. Öncelikli olarak müşteriler ve firmalar için yeni bir zincirin tanımlanması gereklidir.

Talep zincirinin çalışma süreci aşağıdaki şekildedir;

Şekil 3.2. Talep zinciri süreci

Bu süreçte ilk olarak müşterinin istediği ürünü karşılayabilmek için müşteriden talep bilgisi alınır daha sonra müşteriden alınan bilgiler firmaya iletilir ve firma tarafından bu talepleri sağlamaya yönelik gerekli hammadde satın alma ve müşteriye sunulacak hizmet kararları verilir.

Tutundurma faaliyetleriyle müşterinin ürün talebini oluşturmak için yapılan çalışmalar firma kapsamında müşteri ilişkileri yönetimiyle satış ve pazarlama süreçlerine, gelen talebe yönelik yapılacak satın alma kararlarının alınması konuları ise satın alma yönetimi süreçlerine göre değerlendirilmektedir.

Bu süreçlerin işleyişi aşağıda detaylı olarak anlatıldığı gibidir;

Müşteri İlişkileri Yönetimi Süreci; Müşteriden tarihçe, adres, ilgili kişiler, tercihler ve rakiplerle ilişkileri gibi bilgilerin elde edilmesi ile müşteriyi tanıma işlemlerinin gerçekleştirildiği süreçtir. Bu süreçte, geri iadeler, şikâyetlerin çok olduğu ürünler,

Müşteri Talepleri

Müşteri Beklenti ve İstek

Teklifleri

Satın Alma Kararları

pasif müşteriler ve ürünlerin satış yoğunluklarıyla ilgili bilgileri elde edebilmek için müşteri memnuniyet anketleri uygulanmaktadır. Bu bilgiler ise firmaya yol göstermektedir.

Satış-Pazarlama Süreci; Bu süreçte, hedef kitlenin ihtiyaçlarını belirlemek için pazar araştırması yapılmaktadır. Müşterinin talebini yaratmak için çeşitli tutundurma faaliyetleri gerçekleştirilir. Bunlardan bazıları; indirim anlaşmaları, promosyon çalışmaları, reklam, ürün kataloglarının ve satış kampanyalarının hazırlanması ve rakip ürün bilgilerinin takibi gibi faaliyetlerdir. Bu faaliyetler sonucunda, müşteri talebi oluşturulmaktadır. Talep bilgisi siparişin tasarımı (renk, şekil, boyut gibi), miktarı ve termin süresi gibi bilgileri içermektedir.

AR-GE Süreci; Bu süreç müşteri bilgisinin birime iletilmesiyle başlar. Daha sonra ürüne ait bileşenler ve ürün tasarımı (ürün ağaçları, rotalar ve maliyetlendirme) belirlenir, inovasyon çalışmalarıyla yapılacak yenilikler belirlenir. Bunlar sonucunda geliştirilen tasarım ve kalite bilgileri üretime gönderilir ve sistemde gerekli bütçe kontrolü yapılarak onay alındıktan sonra üretime iletilir.

Üretim Planlama ve Kontrol Süreci; Bu süreçte ilk olarak iş emri gelir. İş emri ürünün tasarımı, miktarı ve temrin süresi gibi bilgileri içerir. Daha sonra planlamadan gelen bilgilere göre üretim yapılır. Üretim planlamada; tahminler sonucunda satış planları oluşturulur, günlük, haftalık yada aylık olarak ihtiyaçlar oluşturulur ve üretim siparişleri oluşturularak ürünler ve elde edilen bilgiler kalite departmanına gönderilir.

Satın Alma Sürecinde gelen müşteri siparişine göre hammadde, miktar ve bunların miktarlarıyla ilgili ihtiyaçlar belirlenmektedir. Mevcut ihtiyaçların depoda olup olmadığının kontrol edilmekte eğer yoksa satın alma kararı verilmektedir. Satın alma kararı verildikten sonra ihtiyaçlar tedarikçilere iletilmektedir. Tedarikçiler, bu ihtiyaçlarla ilgili fiyat teklifi göndermektedir. Tedarikçi teklifleri, fiyat ve kalite kriterlerine göre değerlendirilip en uygun olan tedarikçi seçilmektedir. Bunun sonucunda, tedarikçi(lerden) satın alma işlemi yapılmaktadır.

Talep zinciri üzerinde geliştirilmesi planlanan satın alma modeli, müşteri talebinin oluşturulması için çeşitli stratejilerin bulunduğu ve gelen müşteri talebine göre hammadde tedarik kararlarını veren ve bu kararları tedarikçiye yansıtarak satın alma kararlarını gerçekleştirmeyi kolaylaştıran bir modeldir.

Önerilen müşteri satın alma tercihlerini belirleme modeli şu şekildedir;

Şekil 3.3. Müşteri satın alma tercihlerini belirlememodeli

Bu şekilde tasarlanan çift yönlü modelin çalışma süreci şu şekildedir; ilk olarak firmaların satış pazarlama birimi tarafından uygulanan pazarlama stratejileri sonucunda müşteri isteği oluşturulur daha sonra müşteriden gelen talep ve ihtiyaçlar aynı birim tarafından toplanarak değerlendirilerek Ar-Ge birimine iletilir. Bu birime aynı zamanda firmanın üretim biriminden de mevcut ihtiyaç ve durum bilgisi iletilir.

Tüm bu istek ve ihtiyaç bilgileri Ar-Ge biriminde değerlendirilerek firmanın mevcut üretimine uygun mu değil mi, uygun değilse ne gibi yenilikler yapılmalı gibi konular araştırılır. Bu araştırmalardan çıkarılan sonuçlara göre elde edilen müşteri isteğine göre oluşturulmuş yeni tasarım bilgileri üretim birimine iletilir. Bu birimde malzeme ihtiyacını satın almaya birimine bildirir. Tüm bu bilgi akışı sonucunda elde edilen ihtiyaç ve istek bilgisi firma tarafından tedarikçilere iletilir. Tedarikçilerde kendi teklif durum bilgilerini yani teklifin yapılabilirliği ve şartları gibi bilgileri firmaya

Hammadde ihtiyaç

iletir. Eğer ihtiyaçlar aynen karşılanamıyorsa önerilen değişikler firmaya onay için gönderilir. Firmadan gelen cevaba göre süreç devam eder ve sonunda en uygun satın alma ve hizmet kararları verilir.

Mevcut durumda firmalar üretimlerini yapmakta ve müşteriler de üretilen ürünleri almak zorunda kalmaktadırlar. Bu çalışmada ise; çeşitli pazarlama stratejileriyle müşteri talebi oluşturup, müşterinin isteğine göre üretim yapılması amaçlanmaktadır.

Firmaların müşterilerin tercih ettiği ürün çeşidinin ya da bir ürünün çeşitli renk ya da boyut varyasyonlarının gerektirdiği hammaddeden alıp ona göre üretim yapması ve dolayısıyla müşterilerin kendi isteklerine göre gerçekleştirilen üretimler sonucunda firmaların satış oranlarının artmasının sağlanması hedeflenmektedir.

Bu çalışmada araştırma konusu olarak beyaz eşya satın alan müşteri portföyü seçilmiştir. Beyaz eşya sektöründe müşteri ve firma arasındaki ilişkiler incelenmiştir.

Mevcut durumda firmaya talep bayiden gelmektedir, kurulan bu sistem talebi bayiden değil doğrudan müşteriden almaktadır.

3.2.2. Bileşen verilerinin toplanması

Bu çalışmadaki bileşenler firmalar ve müşterilerdir. Firma bilgilerine bayiler tarafından ulaşılmıştır. Bu nedenle firma verilerine ulaşmak için bayilere, müşteri verilerine ulaşmak için ise müşterilere anketler uygulanmıştır.

Anketin amacı; müşterilerin taleplerini, ihtiyaçlarını ve talep çeşitliliğini anlamak, firmaların şuan ne durumda olduğu, ilerde müşteriler için neler sağlayabileceği ve neler yapması gerektiği gibi konular hakkında bilgi sahibi olmaktır. Bunun sonucunda firmaların elde edilen bu verileri değerlendirerek verilen satın alma ve hizmet kararları ile müşteri odaklı üretimi gerçekleştirmektir.

Anket mülakat tipinde düzenlenmiştir. Bunun nedeni müşterileri yönlendirmemektir.

Talep zincirinin temel hedefi müşteriye göre çalışmaktır. Bu yüzden anket sayısal veriler yerine müşteriyi sınırlamamak için mülakat tipinde yapılmıştır. Model

anketinde bağımlı değil bağımsız ilişkilerden hareket edilmiştir. Müşterilere ve bayilere farklı anketler hazırlanıp uygulanmıştır. Anket 85 tane müşteriye ve 20 tane de bayiye uygulanmıştır. Bayiler, müşterilerin kullandığı ya da gelecekte kullanmak istedikleri markalar dikkate alınarak seçilmiştir.

Anket verilerinden hareketle ölçüm yapmak için önemli olan faktörler, kalite, ürünün ikame ürünlere göre üstünlük ve eksiklikleri ve müşterilerin tercihleridir. Bu faktörler temel alınarak anketler tasarlanmıştır. Müşteri için düzenlenen ankette, müşterilerin hangi marka beyaz eşyayı kaç senedir kullandıkları, hangi tür arızalarla karşılaştıkları, mekanik ya da tasarım açısından hangi özellik ve yeniliklerin yapılmasını istedikleri gibi sadık müşteri olup olmadıklarını ölçmeye yönelik sorular sorulmuştur. Bayi tarafında ise, gerekli ilişkiyi kurabilmek için, bunlara paralel sorulara cevap aranmıştır.

3.2.3. Verilerin değerlendirilmesi

Bu aşamada anketler sonucunda toplanan müşteri ve bayilere ait veriler üzerinde istatistiksel değerlendirme yapılmıştır. Bu değerlendirmelerin yapılması için mülakat tipinde elde edilen anket sonuçlarında elde edilen müşteri verileri gruplandırılmıştır.

Veriler arasındaki ilişkilerin anlaşılması için çapraz tablo, ki-kare ve frekans analizi uygulanmıştır. Karar kurallarının oluşturulması içinse endüktif öğrenme yöntemlerinden CART algoritması kullanılmıştır.

Piyasada iki tip müşteri vardır. Bunlardan birincisi memnuniyet sonucunda fikirlerinde sabit olan sadık müşteriler ikincisi ise istek ve ihtiyaçlarına karşılık bulamadıklarından dolayı fikirleri değişen, değişken müşterilerdir. İşletmelerin amacı sahip oldukları sadık müşterilerin devamlılığını sağlamak ve bu sadık müşterilerin önem verdiği özellikleri dikkate alarak değişken müşterileri de kazanmaktır.

Bu nedenle ilk olarak toplanan müşteri verilerinden şuan kullandıkları marka, geçmişte kullandıkları marka ve gelecekte kullanmak istedikleri marka göz önünde

bulundurularak sadık müşteri ya değişken müşteri oldukları belirlenmiştir ve karar kuralları bunlar temel alınarak oluşturulmuştur.

Karar, müşterinin durumu yani sadık ya da değişken olması durumları esas alınarak oluşturulmuştur. Karar üretmek için veri seti oluşturmak amacıyla müşteri ve bayi anket verileri arasında marka kriteri esas alınarak eşleştirme yapılmıştır.

Yapılan analizler ile ilgili geniş bilgiler aşağıdaki gibi verilmektedir.

a) Frekans Analizi, Çapraz Tablo ve Ki-kare:

Frekans dizideki aynı değerleri içeren veri sayısıdır. Frekans analizi bir veri seti içerisinde uygulamayı yapmayı basitleştirmek için dizi içerisindeki aynı değerleri yani tekrarlamaları belirleyerek daha anlaşılır hale getirmektir. Beyaz eşya sektöründe yapılan bu anket çalışmasında frekans analizi, hangi markayı kaç kişi kullanıyor, bu markayı tercih etme faktörü ağırlık olarak nedir, karşılaşılan arıza sayısı, nedenleri ve oranları nelerdir, hangi marka ürün kaç sene kullanılmış, kaç tane müşteri hangi renk beyaz eşya kullanmayı tercih etmiş, müşteriler kampanyaları takip ediyor mu gibi konularda müşteri yoğunluğu dağılımını anlamak için frekans analizi yapılmıştır. Ayrıca müşterilerin geçmişte tercih ettikleri markalar nelerdir ve gelecekte müşterilerden kaçı hangi markayı tercih edecek gibi sorulara da frekans analizi kullanılarak cevap aranmıştır.

Çapraz tablolar temel olarak, iki değişken arasındaki ilişkiyi analiz etmek için kullanılır. Bu da değişkenler arasındaki ilişkiyi, ilgili her bir değişkenin kategorilerinin kesişimlerini inceleyerek keşfetme olanağı sağlar [39]. Bu çalışmada markaya bağlı ilişkilerin tespit edilmesi amaçlanmıştır. Örneğin müşterinin kullandığı markayı tercih etme nedenin, müşterilerin kullandığı ürünün rengi gibi konuların markaya bağımlı olup olmadığı, kullanım süresiyle markanın ya da arıza sayısının ilişkili olup olmadığı gibi konular arasındaki ilişkiler araştırılmıştır. Ayrıca firmaların bu ilişkilere göre uyguladığı kampanyaları ve bu kampanyaların müşteriler üzerindeki etkisini belirlemek amacıyla çapraz tablo uygulaması yapılmıştır.

Ki- Kare Testi

Ki-kare testi çeşitli araştırmalarda kullanılmaktadır. Uyumluluk seviyesi testi, ilişkilerin var olup olmadığının testi ve iki değişkenin birbirinden bağımsız olup olmadıklarının testi bunlardan bazılarıdır. Ki-kare analizi frekans dağılımları üzerinden hesaplanmaktadır. Ki kare testi sistematik bir ilişkinin olup olmadığını belirlemeye yardımcı olur. Ki -kare testi bir çapraz tabloda yer alan değişkenler arasındaki gözlenen istatistiksel olarak anlamlı olup olmadığını test etmek için kullanılır. Çalışmada kullanılan Ki – Kare Bağımsızlık Testi iki değişken arasındaki ilişkinin istatistiksel olarak anlamlı olup olmadığını belirlemek amacıyla kullanılmıştır [40]. Çalışmada bağımsız fikirler markaya göre seçilmiştir.

Müşterilerin fikirlerinin markaya göre değişip değişmediği belirlenmeye çalışılmıştır b) CART algoritması

Bu algoritma Breiman ve diğerleri tarafından geliştirilen Sınıflandırma ve Regresyon Ağaçları’nı temel alır. Bir Cart ağacı, tüm öğrenme örneği boyunca kök düğümden başlayarak her düğümden 2 alt düğüme bölünecek şekilde yapılandırılmış ikili karar ağacıdır [41].

-Notasyonlar[41]

Bağımlı değişken/hedef değişken. Bu değişken sıralı, nominal veya sürekli kategoride olabilir. Eğer Y J sınıftan oluşuyorsa, sınıf değerleri dır

: Tüm öngörülen değişken setidir. öngörülen değişken sıralı, nominal veya sürekli kategoride olabilir.

Öğrenme örneği t düğümünden çıkan örnekler n durumun ağırlığı

n durumun frekansı. Tam olmayan pozitif değişken en yakın tamsayı değerine yuvarlanır.

Öncelik olasılığı t düğümü, j sınıfında ki olayın olasılığı.

t düğümündeki olayın olasılığı.

t düğümünden çıkan j sınıfındaki bir olayın olasılığı i verildiğinde j’nin sınıflandırılmama maliyeti. Yani;

-Ağaç Büyüme Süreci

Ağaç büyümenin temel fikri her düğümden olası bölünmeler arasından bir dal seçmektir. Böylece ortaya çıkan alt düğümler homojen (saf) olanlardır. Bu algoritmada sadece tek değişkenli bölünmeler dikkate alınır. Yani, her bölünme sadece tek bir kestirimci (öngörülen) değişkenin değerine bağlıdır. Tüm olası bölünmeler her kestirimci değişkenin olası bölünmesinden oluşmaktadır. Eğer X, I’nın nominal kategorik değeriyse öngörülen değişken için tane olası bölünme vardır. Eğer X, K farklı değerle sıralı ya da sürekli değişkense X in K-1 tane farklı bölünmesi vardır. Bir ağaç kök düğümünden başlayarak ard arda her düğüm için aşağıdaki adımlar tekrarlanarak büyür.

1. Her kestirimci için en iyi bölünmenin bulunması

Tüm sürekli ya da değişken kestirimcinin değerinin küçükten büyüğe sıralanması gereklidir. Sıralanmış öngörücülerden en iyisini belirlemek için baştan sona tüm aday bölünme noktalarının incelenmesi gereklidir(bölünme noktasına v dersek eğer x ≤ v ağaç sol alt düğüme doğru kayar aksi takdirde sağ tarafa kayar). Düğüm uygun olarak bölündüğü takdirde en iyi bölünme noktası bölme kriterini maksimize eden noktadır.

Nominal kestirimcilerden en iyi bölünmeyi bulmak için kategorilerden olası her altkümeyi incelemek gereklidir (kategoriye A dersek, eğer ağaç sol alt düğüme doğru kayar aksi takdirde sağ tarafa kayar)

2. En iyi bölünme düğümlerinin bulunması.

Birinci adımda bulunan en iyi bölünmeler arasından, bölünme kriterini maksimize eden düğümü bulun.

3. Eğer durdurma kriteri sağlanmadıysa adım 2 deki en iyi bölünme düğümünü

3. Eğer durdurma kriteri sağlanmadıysa adım 2 deki en iyi bölünme düğümünü